Canada Spends Logo

Explore our Budget 2026 analysis

Grant: Alliance Grants

Université de Sherbrooke

$39,000.00

DETONATION : Prédiction et optimisation des sources acoustiques à l'aide de l'apprentissage profond

FY 2022-23

Summary
Traditionnellement, la nuisance sonore a toujours été une problématique au coeur de l'aviation moderne avec l'avènement du turboréacteur. En conséquence, des normes de niveaux de bruit de plus en plus draconiennes ont été appliquées autour des aéroports. De plus, l'augmentation continue du taux de dilution des moteurs fait que le bruit de jet a sans cesse diminué au profit du bruit de la soufflante sur les trois points de certification des avions. Enfin, l'apparition de nouvelles technologies comme les drones ou les taxis volants urbains avec des hélices multiples et systèmes de propulsion distribuée ne fait qu'accentuer la part prépondérante du bruit généré par les machines tournantes dans les moyens de transport aérien. Sa prédiction et sa réduction est donc un enjeu sociétal majeur. Durant les dix dernières années, des progrès significatifs ont été réalisés dans le développement de modèles analytiques capables de prédire le bruit de tout type de machine tournante (ventilateur basse vitesse, turbomachine haute vitesse, en champ libre ou caréné) avec la rapidité et la précision nécessaire au prédimensionnement. Une plateforme logicielle Optisound a été ainsi développée par le partenaire industriel Optis en partenariat avec l'université de Sherbrooke pour commercialiser cette solution et ainsi favoriser la réduction du bruit dans tous les secteurs industriels. Néanmoins, certains modèles physiques ont encore des limitations ou reposent sur des bases d'essais limitées. De plus, les modèles les plus sophistiqués sont encore trop lents pour être intégrés efficacement dans une boucle d'optimisation. Le présent projet se propose d'adresser ces limitations en utilisant plusieurs techniques d'intelligence artificielle pour développer de nouveaux modèles analytiques, pour accélérer leur exécution à des fins d'optimisation et aussi pour étendre le champ d'application aéroacoustique d'Optis. Optis améliorera ainsi non seulement sa solution logicielle unique mais aussi son champ de compétence, pour les bénéfices du Québec et du Canada.
Program
Alliance Grants
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data

As published

Application id
568515-2021
Name nom
Moreau, Stephane S
Department département
Génie mécanique
Organization id
68
Institution établissement
Université de Sherbrooke
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2022
Competition year année de concours
2021
Award amount
39000
Program id
ALLRP
Program name en
Alliance Grants
Program name fr
Subventions Alliance
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
96
Committee name en
RPP Internal Decision Cttee
Committee name fr
Cté de décision interne - PPR
Area of application code
703
Area of application group en
Transportation systems and services
Area of application group fr
Services et systèmes de transport
Area of application en
Aerospace
Area of application fr
Aérospatial
Research subject code
2100
Research subject group en
Mechanical engineering
Research subject group fr
Génie mécanique
Research subject en
Mechanical engineering
Research subject fr
Génie mécanique
Installment
inst:2
Partie
1
Nb partie
2
Application title
DETONATION : Prédiction et optimisation des sources acoustiques à l'aide de l'apprentissage profond
Application summary
Traditionnellement, la nuisance sonore a toujours été une problématique au coeur de l'aviation moderne avec l'avènement du turboréacteur. En conséquence, des normes de niveaux de bruit de plus en plus draconiennes ont été appliquées autour des aéroports. De plus, l'augmentation continue du taux de dilution des moteurs fait que le bruit de jet a sans cesse diminué au profit du bruit de la soufflante sur les trois points de certification des avions. Enfin, l'apparition de nouvelles technologies comme les drones ou les taxis volants urbains avec des hélices multiples et systèmes de propulsion distribuée ne fait qu'accentuer la part prépondérante du bruit généré par les machines tournantes dans les moyens de transport aérien. Sa prédiction et sa réduction est donc un enjeu sociétal majeur. Durant les dix dernières années, des progrès significatifs ont été réalisés dans le développement de modèles analytiques capables de prédire le bruit de tout type de machine tournante (ventilateur basse vitesse, turbomachine haute vitesse, en champ libre ou caréné) avec la rapidité et la précision nécessaire au prédimensionnement. Une plateforme logicielle Optisound a été ainsi développée par le partenaire industriel Optis en partenariat avec l'université de Sherbrooke pour commercialiser cette solution et ainsi favoriser la réduction du bruit dans tous les secteurs industriels. Néanmoins, certains modèles physiques ont encore des limitations ou reposent sur des bases d'essais limitées. De plus, les modèles les plus sophistiqués sont encore trop lents pour être intégrés efficacement dans une boucle d'optimisation. Le présent projet se propose d'adresser ces limitations en utilisant plusieurs techniques d'intelligence artificielle pour développer de nouveaux modèles analytiques, pour accélérer leur exécution à des fins d'optimisation et aussi pour étendre le champ d'application aéroacoustique d'Optis. Optis améliorera ainsi non seulement sa solution logicielle unique mais aussi son champ de compétence, pour les bénéfices du Québec et du Canada.
Université de Sherbrooke - $39,000 Grant (2022-23) | Canada Spends